Submit Search
Upload
Quantum ml algorithm
•
2 likes
•
6,246 views
Kenji Kubo
Follow
ML@Loft8での発表資料です
Read less
Read more
Science
Report
Share
Report
Share
1 of 16
Download now
Download to read offline
Recommended
変分量子計算 × 強化学習 Chainer meetup #10
変分量子計算 × 強化学習 Chainer meetup #10
Kenji Kubo
Riderはいいぞ!
Riderはいいぞ!
UnityTechnologiesJapan002
Mercari ML Meetup
Mercari ML Meetup
yusuke shibui
ゼネラリストか、スペシャリストか。
ゼネラリストか、スペシャリストか。
Yuya Yamada
ソースコードの品質向上のための効果的で効率的なコードレビュー
ソースコードの品質向上のための効果的で効率的なコードレビュー
Moriharu Ohzu
AI理論とビジネス 中井眞人氏 20171122
AI理論とビジネス 中井眞人氏 20171122
Team AI
Team ai 3
Team ai 3
Masato Nakai
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
Recommended
変分量子計算 × 強化学習 Chainer meetup #10
変分量子計算 × 強化学習 Chainer meetup #10
Kenji Kubo
Riderはいいぞ!
Riderはいいぞ!
UnityTechnologiesJapan002
Mercari ML Meetup
Mercari ML Meetup
yusuke shibui
ゼネラリストか、スペシャリストか。
ゼネラリストか、スペシャリストか。
Yuya Yamada
ソースコードの品質向上のための効果的で効率的なコードレビュー
ソースコードの品質向上のための効果的で効率的なコードレビュー
Moriharu Ohzu
AI理論とビジネス 中井眞人氏 20171122
AI理論とビジネス 中井眞人氏 20171122
Team AI
Team ai 3
Team ai 3
Masato Nakai
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
Kobe sec#11 summary
Kobe sec#11 summary
Yukio NAGAO
Introducing our approach to interpreting machine learning models
Introducing our approach to interpreting machine learning models
Hiroaki Kudo
Pycon reject banditアルゴリズムを用いた自動abテスト
Pycon reject banditアルゴリズムを用いた自動abテスト
Shoichi Taguchi
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
KIT Cognitive Interaction Design
PoCで終わらせない!データ分析・AI活用
PoCで終わらせない!データ分析・AI活用
__john_smith__
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
Hironori Washizaki
データ解析のための統計モデリング入門第5章
データ解析のための統計モデリング入門第5章
Itou Tomokazu
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
Yuya Unno
機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル
Hironori Washizaki
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Michitaka Yumoto
More Related Content
Similar to Quantum ml algorithm
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
Kobe sec#11 summary
Kobe sec#11 summary
Yukio NAGAO
Introducing our approach to interpreting machine learning models
Introducing our approach to interpreting machine learning models
Hiroaki Kudo
Pycon reject banditアルゴリズムを用いた自動abテスト
Pycon reject banditアルゴリズムを用いた自動abテスト
Shoichi Taguchi
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
KIT Cognitive Interaction Design
PoCで終わらせない!データ分析・AI活用
PoCで終わらせない!データ分析・AI活用
__john_smith__
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
Hironori Washizaki
データ解析のための統計モデリング入門第5章
データ解析のための統計モデリング入門第5章
Itou Tomokazu
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
Yuya Unno
機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル
Hironori Washizaki
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Michitaka Yumoto
Similar to Quantum ml algorithm
(11)
動的最適化の今までとこれから
動的最適化の今までとこれから
Kobe sec#11 summary
Kobe sec#11 summary
Introducing our approach to interpreting machine learning models
Introducing our approach to interpreting machine learning models
Pycon reject banditアルゴリズムを用いた自動abテスト
Pycon reject banditアルゴリズムを用いた自動abテスト
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
PoCで終わらせない!データ分析・AI活用
PoCで終わらせない!データ分析・AI活用
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
データ解析のための統計モデリング入門第5章
データ解析のための統計モデリング入門第5章
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Quantum ml algorithm
1.
1 量子機械学習アルゴリズム Kenji Kubo mercari R4D
2.
2 自己紹介自己紹介 Twitter: @kenjikun__ (アンスコ2つ) 京都大学大学院人間・環境学研究科 →
大和証券会社 GM運用部 → 株式会社メルペイ 次世代金融開発 (ブロックチェーン・AML) → mercari R4D リサーチャー 大阪大学基礎工学研究科D1(藤井研)
3.
3 用語 “古典” means “非量子” “古典”
doesn’t mean “古い”
4.
4 理想の量子コンピュータ 実用はまだ先? 量子コンピュータ エラー訂正あり エラー訂正なし 不完全だが有用そう 実用は近い?
5.
5 計算量が 指数や多項式で減る 量子機械学習 エラー訂正あり エラー訂正なし 性能の良い関数近似器が 得られるかもしれない
6.
6 エラー訂正がある場合
7.
7 エラー訂正がある場合 「逆行列計算」が指数加速 O(N) ->
O(logN) 応用: 量子SVM,量子線形回帰,など 「探索」が2次加速 O(N) -> O(√N) 応用: 量子強化学習など Schuld et al., 2016 Dunjko et al., 2016 Rebentrost et al., 2014
8.
8 N vs logN
9.
9 Support Vector Machine 普通のSVM(双対問題) 普通のSVM(主問題)
10.
10 Support Vector Machine 普通のSVM(双対問題) 普通のSVM(主問題)
最小二乗SVM(主問題) 最小二乗SVM(双対問題)
11.
11 Support Vector Machine 普通のSVM(双対問題) 普通のSVM(主問題)
最小二乗SVM(主問題) 最小二乗SVM(双対問題) HHL: 逆行列計算を量子計算で高速化! Harrow, Hassidim, Lloyd, 2019
12.
12 エラー訂正がない場合
13.
13 エラー訂正がない場合 ~数百量子ビットかつ短い量子回路 50量子ビット ≈ 古典メモリ16PB スパコンで1PB MacBook
Proで16GB
14.
14 ハイブリッド機械学習アルゴリズム 途中で大量のメモリが必要だが 統計量だけでいい場合など 四則演算,勾配降下法など 量子コンピュータ 古典コンピュータ
15.
15 例: 量子回路学習 日本物理学会誌 Vol.
74, No. 9, 2019 量子コンピュータで指数的に大きい特徴量空間を扱う Mitarai and Fujii, 2018
16.
16 量子機械学習アルゴリズムの現状まとめ 1. エラー訂正がないものの,量子コンピュータの実用が 近づいている 2. エラー訂正があれば,指数や多項式の加速が 得られることが示されている 3. エラー訂正がなくても,より性能の良い関数近似器が 得られるかもしれない
Download now